Kurz und Knapp
- Wettervorhersagen zu erstellen ist sehr komplex. Der Grund dafür sind die zahlreichen Faktoren wie Temperatur, Luftfeuchtigkeit oder Luftdruck, die sich gegenseitig beeinflussen.
- Deshalb simulieren Meteorologinnen und Meteorologen viele verschiedene Szenarien; die Ergebnisse müssen aufwendig mit statistischen Verfahren nachbearbeitet werden.
- Karlsruher Forscherinnen und Forscher haben eine Methode auf Basis neuronaler Netze entwickelt, die diese Nachbearbeitung vereinfacht und präzisere Resultate liefert.
Verfahren auf der Basis neuronaler Netze sind zudem weniger aufwendig
Diese Methode hat jedoch Nachteile. „Die Computerszenarien können manche physikalischen Zusammenhänge nicht in der notwendigen Detailtiefe oder räumlichen Auflösung abbilden“, sagt Sebastian Lerch vom Institut für Stochastik des KIT. So fallen beispielsweise Vorhersagen über die Temperatur an bestimmten Orten stets zu mild, an anderen zu hoch aus, weil lokale, teils zeitlich variable Gegebenheiten den Modellen nicht mitgegeben werden können. Dies macht eine Nachbearbeitung der Simulationen mit aufwendigen Verfahren notwendig.
Hier hat Lerch gemeinsam mit Peter Knippertz vom Institut für Meteorologie und Klimaforschung des KIT einen neuen Ansatz entwickelt. Dessen Grundlage sind sogenannte neuronale Netze, also Computerprogramme, die Informationen nach dem Vorbild des Gehirns verarbeiten. Mathematikerinnen und Mathematiker können dem Netzwerk „antrainieren“, wie es bestimmte Daten optimal verarbeiten kann. Mit jeder Information, die in der Trainingsphase durch das Netzwerk fließt, sammelt es „Erfahrung“, kann sich kontinuierlich verbessern und so beispielsweise die Wahrscheinlichkeit von lokalen Wetterereignissen präzise bestimmen. Um das Netz zu trainieren, nutzt das KIT-Forschungsteam Wetterdaten aus Deutschland, die 537 Wetterstationen von 2007 bis 2016 aufgezeichnet haben. Eingangsgrößen für das neuronale Netz waren unter anderem die Bewölkung, Bodenfeuchte und Temperatur.
„Unser Ansatz hat für fast alle Wetterstationen deutlich genauere Vorhersagen getroffen und ist wesentlich weniger rechenaufwendig“, berichtet Lerch. Ein Vorteil von neuronalen Netzen als Nachbearbeitungsverfahren liege zum Beispiel darin, dass sie schneller große Datenmengen verarbeiten könnten als bisherige Methoden und menschliche Experten. „Wir konnten so erstmals zeigen, dass sich neuronale Netze bestens dafür eignen, Wettervorhersagen zu verbessern und Informationen über meteorologische Prozesse zu erhalten.“
27.06.2019
in Kooperation mit dem